Estoy estimando un modelo OLS dinámico ya que tengo variables que son no estacionarias, pero cointegradas. Además, los datos son una serie temporal estándar (es decir, una observación por un período de tiempo), por lo que técnicamente no es un panel. Sé que hay que controlar los efectos fijos del año cuando se tienen datos de panel. Mi pregunta es si debo controlar los efectos fijos del año aunque mis datos no sean técnicamente de panel. Además, ¿tiene sentido controlar los efectos fijos del año cuando la variable independiente y la dependiente principal no son estacionarias, pero están cointegradas?
Respuestas
¿Demasiados anuncios?
Matthias Benkard
Puntos
11264
No, en las series temporales puras no solemos utilizar efectos fijos. Si se dispone de datos, por ejemplo, de frecuencia mensual, se pueden incluir variables ficticias para los meses en general, por ejemplo, variables ficticias para febrero, marzo, abril, etc., pero se incluirían como variables ficticias generales en las que todos los meses de febrero forman parte de la variable ficticia de febrero, en lugar de tener una variable ficticia distinta para cada período de tiempo.
También se pueden incluir dummies para periodos de tiempo en los que se crea que el periodo fue especial de alguna manera. Por ejemplo, podría incluir una variable ficticia especial para todos los años de crisis. Del mismo modo, podría incluir algunas variables ficticias para las rupturas estructurales, etc.
Además, el modelo OLS dinámico es más bien un término general. Por ejemplo, lo anterior sería válido para el modelo de corrección de errores ARDL/Pesaran. Es posible que haya modelos dinámicos que presenten otros problemas, por lo que siempre es mejor estudiar la literatura sobre el modelo concreto que se está utilizando y no limitarse a generalizar.
PS:
Sé que hay que controlar los efectos fijos del año cuando se tienen datos de panel.
En realidad, esta afirmación no es válida en general. Sí, la mayoría de las veces se desea controlar los efectos fijos del año en los datos de panel, pero no siempre.
brian
Puntos
124
...sé que hay que controlar los efectos fijos del año cuando se tienen datos de panel...
La inserción de variables ficticias temporales (por ejemplo, estacionales) también es habitual en los modelos de series temporales estacionarias. Si las variables ficticias son estacionales, este componente se llamaría estacionalidad aditiva .
Además, ¿tiene siquiera sentido controlar los efectos fijos del año cuando la variable independiente y la dependiente principal no son estacionarias, pero cointegradas?
De tu pregunta no se desprende el contexto que motivaría tal modelo, pero en principio se pueden considerar tales modelos.
(Presumiblemente, está considerando la posibilidad de que la desviación de la relación de equilibrio a largo plazo -el término de error estacionario en una regresión de cointegración- tenga ahora estacionalidad o tendencia temporal).
En una regresión de cointegración $$ y_t = \beta x_t + \epsilon_t \quad (*) $$ donde $x$ y $y$ son I(1), y $\epsilon$ es I(0), el OLS $\hat{\beta}$ es superconsistente, incluso cuando $\epsilon_t$ está correlacionada con $x_t$ . Por lo tanto, si se omite la estacionalidad aditiva en el modelo y $\epsilon_t = D_t + \nu_t$ , donde $D_t$ es la variable ficticia estacional y $\nu_t$ es el término de error verdadero, $\hat{\beta}$ sigue siendo superconsistente.
Sin embargo, para comprobar la cointegración, la especificación puede ser importante. Por ejemplo, la prueba de Engel-Granger calcula el estadístico ADF de los residuos de $(*)$ (pero con una distribución asintótica bajo la nulidad diferente a la del ADF). Si hay estacionalidad omitida, la distribución asintótica puede ser diferente de la de Engel-Granger y sus valores críticos pueden no ser válidos.
